摘 要：為在嵌入式平臺上實現(xiàn)同時定位與建圖（SLAM）以降低硬件成本，并利用雙輪自平衡小車的靈活性以實現(xiàn)特定功能，采用了包括激光雷達、firefly-rk3399開發(fā)板、MPU6050模塊、編碼器等硬件設(shè)計。同時，利用卡爾曼濾波算法以及PID雙環(huán)控制以提高自平衡小車姿態(tài)計算的精度和運行穩(wěn)定性。

關(guān)鍵詞：激光雷達;雙輪自平衡小車;SLAM;卡爾曼濾波;PID雙環(huán)控制

1 緒論

隨著智能時代的到來和自動控制技術(shù)的發(fā)展，雙輪自平衡小車逐漸展露出其獨特的優(yōu)勢，尤其是在空間較為狹窄、彎道較多等場所，此外其較低的硬件成本也使其被廣泛地應(yīng)用到了安防巡邏等方面。

本文提出了一種基于激光雷達和卡爾曼濾波的雙輪自平衡車設(shè)計，其特點在于：將SLAM運用到了自平衡車上，使其能夠按照自定義的行走軌跡完成相應(yīng)的任務(wù)。此外在平衡方面，本文加入了卡爾曼濾波和PID雙環(huán)控制，提高了自平衡車的穩(wěn)定性。

2 硬件設(shè)計

該雙輪自平衡小車的硬件設(shè)計由四部分組成，如圖1所示，分別為主控系統(tǒng)、24V電源、車身以及傳感器。主控系統(tǒng)為一塊firefly-rk3399開發(fā)板，搭載Linux系統(tǒng)，在此基礎(chǔ)上運行ROS機器人操作系統(tǒng)。傳感器包括B0602激光雷達、MPU6050模塊以及電機編碼器。

3 軟件設(shè)計

3.1卡爾曼濾波

卡爾曼濾波是一種通過系統(tǒng)輸入輸出觀測數(shù)據(jù)，并利用線性系統(tǒng)狀態(tài)方程，對系統(tǒng)下一步的走向做出有根據(jù)的預(yù)測的算法。由于觀測數(shù)據(jù)中包括系統(tǒng)中的噪聲和干擾的影響，所以預(yù)測過程也可看作是濾波過程，即使系統(tǒng)受到各種干擾的影響，卡爾曼濾波也能對系統(tǒng)狀態(tài)進行較為準確的預(yù)測。

因為MPU6050回傳的角度值受震動的影響較大，且回傳的角速度信息也存在漂移誤差，誤差的累計勢必降低自平衡車的平衡性能。本文引入卡爾曼濾波的目的在于：將MPU6050模塊回傳的角度和角速度信息代入卡爾曼濾波中相融合從而得到更加精準的自平衡車車體傾角使其更加接近于真實值。濾波過程如圖2所示。

3.2 PID雙環(huán)控制

自平衡小車在運行過程中若發(fā)生車身傾斜，主控系統(tǒng)會及時做出反應(yīng)，利用經(jīng)卡爾曼濾波的MPU6050回傳的角速度、角度以及車體加速度等參數(shù)，立即進行姿態(tài)解算并輸出PWM驅(qū)動電機轉(zhuǎn)動，使小車在力矩的作用下恢復(fù)到平衡狀態(tài)。[1]

本文采用雙環(huán)進行平衡車的控制，其中內(nèi)環(huán)為速度環(huán)，外環(huán)為位置環(huán)。具體控制過程如圖3所示。

和速度反饋的差值進入到速度PID控制器進行PID調(diào)節(jié)，其中，速度環(huán)的輸入值來自于外環(huán)及位置環(huán)的輸出，速度反饋值是由主控系統(tǒng)讀取編碼器數(shù)據(jù)實時計算出的。速度環(huán)主要功能在于實現(xiàn)機器人在外界干擾狀態(tài)時的動態(tài)自平衡。

（2）位置環(huán)。位置環(huán)的輸入值和來自編碼器反饋的脈沖信號經(jīng)過偏差計數(shù)器的計算后的結(jié)果再代入位置PID控制器后輸出到內(nèi)環(huán)速度環(huán)中。其中，位置環(huán)的輸入值即外部脈沖信號，位置環(huán)的反饋值同樣來自編碼器。位置閉環(huán)主要實現(xiàn)平衡車在平衡點處無外界干擾時的靜態(tài)自平衡。

3.3 同時定位與建圖

同時定位與建圖（SLAM）是指機器人在移動過程中通過特定傳感器采集的數(shù)據(jù)構(gòu)建出未知環(huán)境的地圖特征并利用該地圖特征進行自身定位。[2]

本文采用的B0602激光雷達檢測半徑為16M，能夠滿足SLAM的需求，同時搭載六核64-bit處理器的主控系統(tǒng)能夠與SLAM較高的運算復(fù)雜度相匹配。

自平衡車運行SLAM的流程為：

（1）由用戶在上位機上設(shè)定自平衡車的工作路徑和行進速度。

（2）主控系統(tǒng)構(gòu)建自平衡車運動模型。

（3）主控系統(tǒng)讀取MPU6050模塊回傳的數(shù)據(jù)實時測算自平衡車的運行速度、角速度以及傾角，同時采集激光雷達回傳的數(shù)據(jù)。

（4）主控系統(tǒng)對每次回傳的數(shù)據(jù)與系統(tǒng)中已有的地圖信息進行JCBB關(guān)聯(lián)匹配，用于特征地圖的增廣和更新。

（5）主控系統(tǒng)根據(jù)特制地圖計算出自平衡車的行進路徑并結(jié)合MPU6050回傳的數(shù)據(jù)計算出兩輪的轉(zhuǎn)向和轉(zhuǎn)速。

（6）將各輪轉(zhuǎn)向和轉(zhuǎn)速值代入PID雙環(huán)控制器以驅(qū)動電機，最終實現(xiàn)自平衡車的有效和快速的運行。

基于激光雷達的SLAM系統(tǒng)流程如圖4所示。

4 結(jié)語

本文提出的基于激光雷達和卡爾曼濾波的雙輪自平衡車設(shè)計具有以下優(yōu)點：（1）將基于激光雷達的SLAM與自平衡車相結(jié)合，使自平衡車的靈活性得到了充分的利用。（2）加入卡爾曼濾波與PID雙環(huán)控制，提高了自平衡車的運行穩(wěn)定性。（3）硬件成本較低，符合市場需求。

參考文獻：

[1]李澤宇.基于卡爾曼濾波和雙閉環(huán)PID控制的平衡車控制系統(tǒng)設(shè)計[J].電子世界，2018（01）：100-102.

[2]李延炬，肖宇峰，古松，賀希，郭正平.基于激光傳感器的SLAM數(shù)據(jù)關(guān)聯(lián)算法的研究[J].微型機與應(yīng)用，2017，36（02）：78-82.

[3]劉韶清，黃毅彬，陳景賢.雙輪自平衡尋跡智能車設(shè)計[J].電子測試，2018（21）：17-19.

[4]王亮，沈俊杰.基于兩輪自平衡車的姿態(tài)數(shù)據(jù)處理[J].工業(yè)控制計算機，2018，31（11）：11-13.

作者簡介：胡佳輝（1997-），本科，主要研究方向為激光SLAM，移動機器人，嵌入式開發(fā)。